L'assurance repose sur deux gestes : estimer un risque avant de couvrir, puis indemniser vite et bien quand il se réalise. L'IA touche aux deux. Le marché de l'IA appliquée à l'assurance est estimé à 26,3 milliards de dollars en 2026 et pourrait atteindre 114,5 milliards en 2031 (Mordor Intelligence). Pour un assureur, un courtier ou une entreprise belge qui gère ses propres risques, la question n'est plus de savoir si l'IA entre dans la souscription et les sinistres, mais où elle crée vraiment de la valeur, et où elle ajoute du risque réglementaire.
La chaîne de valeur de l'assurance est une suite d'étapes à forte intensité de données : distribuer, souscrire, tarifer, gérer les contrats, traiter les sinistres, détecter la fraude. Chacune mêle texte libre, documents, photos et historiques, exactement ce que l'IA traite bien. C'est pourquoi les assureurs déploient l'IA sur tout le parcours, et pas sur un seul point.
L'IA structure les dossiers, extrait les données des documents et prépare une cotation, sous contrôle de l'actuaire et du souscripteur.
cotation plus rapideTri des dossiers, estimation des dommages sur photos, rédaction des courriers, repérage des cas complexes à escalader.
traitement accéléréRepérage des schémas suspects et des réseaux organisés que les règles fixes laissent passer.
pertes évitéesAgents vocaux et conversationnels disponibles en continu, réponses sur les garanties et suivi de dossier.
disponibilité continueC'est dans les sinistres que les résultats publiés sont les plus concrets. L'assureur britannique Aviva a déployé plus de 80 modèles d'IA dans son domaine sinistres. Selon McKinsey, cela a réduit de 23 jours le temps d'évaluation de la responsabilité sur les cas complexes, amélioré de 30 % la précision de l'orientation des dossiers vers les bonnes équipes et fait baisser de 65 % les réclamations clients. Aviva a indiqué à ses investisseurs que la transformation de ses seuls sinistres auto lui a fait économiser plus de 60 millions de livres (82 millions de dollars) en 2024.
McKinsey observe que la refonte d'un domaine complet, et non l'empilement de cas d'usage isolés, produit l'essentiel de la valeur : 10 à 15 % de croissance des primes, 20 à 40 % de coûts en moins pour intégrer un nouveau client et 3 à 5 % de précision en plus sur les sinistres. Les assureurs qui se contentent d'aligner des preuves de concept restent, selon le cabinet, en « purgatoire de pilotes » : la démo fonctionne, la valeur ne suit pas.
En souscription, l'IA lit des dossiers, en extrait l'information utile et prépare une cotation en heures plutôt qu'en jours. Le gain est réel, mais la tarification touche directement le client : un modèle mal calibré peut produire des écarts de prix injustifiés, voire discriminatoires. C'est précisément ce que le régulateur européen surveille.
Vitesse de cotation, cohérence des décisions, capacité à exploiter des données non structurées (rapports, photos, historiques) qu'un humain ne peut pas lire à l'échelle.
Explicabilité du tarif, absence de biais sur des variables sensibles, supervision humaine sur les refus et les cas limites, traçabilité pour l'audit et le médiateur.
La fraude est l'un des arguments les plus directs en faveur de l'IA. La Coalition Against Insurance Fraud estime qu'elle coûte 308,6 milliards de dollars par an à l'économie américaine, toutes branches confondues. En Europe, Insurance Europe estime que la fraude, détectée et non détectée, représente jusqu'à 10 % des dépenses d'indemnisation. Les règles fixes laissent passer les fraudes nouvelles et les réseaux organisés ; les modèles d'IA repèrent des signaux faibles et des liens entre dossiers que l'œil humain ne voit pas à grande échelle.
Un modèle de détection de fraude reste une aide à la décision, pas un juge. Un faux positif, c'est un client honnête accusé à tort ; un score opaque, c'est une décision indéfendable devant un médiateur ou un tribunal. La règle : l'humain tranche les dossiers signalés, le modèle est documenté et la personne concernée peut obtenir une explication. Sans cela, l'outil crée un risque juridique au lieu de le réduire.
L'adoption s'accélère. Dans l'enquête annuelle de Conning auprès des dirigeants d'assureurs américains, 90 % déclarent évaluer l'IA générative et 55 % sont déjà en adoption précoce ou complète, une part qui a quasiment doublé en un an. Les usages les plus cités sont les opérations et le traitement des sinistres. La dynamique est claire, mais elle ne dit rien de la valeur captée : déployer n'est pas industrialiser, et un pilote réussi reste loin d'un domaine transformé.
L'assurance est l'un des rares secteurs où la classification européenne est explicite. L'annexe III de l'EU AI Act vise les systèmes d'IA utilisés pour l'évaluation des risques et la tarification en assurance vie et santé : ils sont à haut risque. Cela déclenche des obligations lourdes : système de gestion des risques documenté, gouvernance des données, supervision humaine, journalisation, transparence. L'assurance dommages, comme l'auto et l'habitation, n'est pas visée par ce point précis, mais le RGPD, lui, s'applique à toute donnée personnelle.
Les obligations pour les systèmes à haut risque de l'annexe III ont été repoussées au 2 décembre 2027 par le « Digital Omnibus » (accord politique du 7 mai 2026, confirmé par le Parlement européen le 16 juin 2026). Ce report ne supprime pas l'obligation : il laisse le temps de préparer la documentation et la supervision. Il s'ajoute au RGPD, déjà applicable aujourd'hui à toute donnée de santé ou de sinistre.
L'IA est un levier de coût et de service, à condition de transformer un domaine entier (sinistres ou souscription) plutôt que d'aligner des outils. La conformité vie et santé se prépare dès maintenant, pas à l'échéance.
Ces gains côté assureur peuvent se traduire en délais d'indemnisation plus courts et en tarifs mieux ajustés. Mais une décision automatisée qui vous concerne (refus, tarif, sinistre) doit rester explicable et contestable.
Les données d'assurance sont parmi les plus sensibles qui soient : santé, patrimoine, sinistres, parfois données judiciaires. Confier ces flux à un modèle suppose de savoir où ils sont traités et qui y accède. Un déploiement conforme au RGPD et à l'EU AI Act, sur une infrastructure que l'on maîtrise, reste plus simple à gouverner qu'un service distant opaque, surtout quand le régulateur peut demander des comptes.
Sinistres ou souscription : un périmètre où la donnée existe et où le gain se mesure. Éviter la dispersion en preuves de concept sans suite.
Quelles données personnelles, quelles données de santé ? Le cas relève-t-il du haut risque (vie, santé) ? Documenter avant de déployer.
Refus, fraude signalée, cas limites : l'IA prépare, l'humain tranche. Explicabilité et droit de recours intégrés dès la conception.
Délais, précision, coût par dossier, satisfaction. Passer du pilote à la production avec des indicateurs métier, pas une démonstration.
Molderez Consult aide les assureurs, courtiers et entreprises belges à déployer l'IA sur la souscription, les sinistres et la fraude : choix du domaine, conformité RGPD et EU AI Act, supervision humaine et gouvernance, sur une infrastructure maîtrisée.
Parler de mon cas d'usage